版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、視頻監(jiān)控中的運(yùn)動(dòng)車(chē)輛目標(biāo)跟蹤技術(shù)研究是智能交通系統(tǒng)(ITS)的一個(gè)非常重要的課題。近年來(lái),國(guó)內(nèi)外眾多學(xué)者對(duì)車(chē)輛目標(biāo)跟蹤進(jìn)行了大量的研究,但是由于車(chē)輛自身的復(fù)雜變化,包括車(chē)輛快速運(yùn)動(dòng)、車(chē)輛尺度變化、車(chē)輛旋轉(zhuǎn)、姿態(tài)變化和車(chē)輛受相似物干擾、車(chē)輛部分甚至全部遮擋等;以及復(fù)雜的外部環(huán)境,如攝像頭移動(dòng)、抖動(dòng)和惡劣的雨雪天氣等,使得車(chē)輛目標(biāo)的準(zhǔn)確跟蹤仍然存在諸多難點(diǎn),本文針對(duì)這些難點(diǎn)問(wèn)題展開(kāi)了研究。具體完成的研究工作如下:
(1)針對(duì)車(chē)輛尺
2、度變化、車(chē)輛旋轉(zhuǎn)及形變等干擾,本文引入SIFT特征對(duì)車(chē)輛進(jìn)行特征提取。SIFT特征對(duì)車(chē)輛遠(yuǎn)近變化、姿態(tài)變化、尺度縮放、光照變化有較強(qiáng)魯棒性,所以SIFT特征可以有效解決目標(biāo)的旋轉(zhuǎn)、縮放、平移,為車(chē)輛跟蹤提供很好的特征支持。但是傳統(tǒng)的SIFT特征跟蹤不能區(qū)分前景和背景,極多的匹配特征集中在背景上,導(dǎo)致跟蹤目標(biāo)丟失。通過(guò)研究現(xiàn)有車(chē)輛跟蹤算法,本文提出了一種基于SIFT特征與GrabCut算法的車(chē)輛跟蹤,在SIFT特征跟蹤的基礎(chǔ)上引入了Gra
3、bCut提取前景的跟蹤方法。實(shí)驗(yàn)表明,該方法在日間攝像機(jī)不明顯晃動(dòng)環(huán)境下,初始幀運(yùn)動(dòng)檢測(cè)車(chē)輛后能夠?qū)\(yùn)動(dòng)車(chē)輛實(shí)現(xiàn)穩(wěn)定的跟蹤,并且有效解決車(chē)輛姿態(tài)變化及遠(yuǎn)近變化問(wèn)題。
?。?)針對(duì)車(chē)輛在快速運(yùn)動(dòng)的過(guò)程中,可能造成車(chē)輛跟蹤失敗的問(wèn)題,研究分析了TLD算法對(duì)車(chē)輛目標(biāo)進(jìn)行跟蹤的利弊。TLD算法與傳統(tǒng)跟蹤算法的顯著區(qū)別在于將傳統(tǒng)的跟蹤算法和傳統(tǒng)的檢測(cè)算法相結(jié)合來(lái)解決被跟蹤目標(biāo)在被跟蹤過(guò)程中發(fā)生的形變、部分遮擋等問(wèn)題。本文對(duì)TLD算法進(jìn)行改
4、進(jìn),在算法檢測(cè)模塊引入基于Meanshift與Kalman的當(dāng)前幀目標(biāo)所在區(qū)域預(yù)估,預(yù)估有效縮小了檢測(cè)模塊的檢測(cè)范圍,提高算法實(shí)時(shí)性及準(zhǔn)確性;對(duì)原算法方差分類(lèi)器改進(jìn)采用顏色特征分類(lèi)器,提高了算法對(duì)目標(biāo)識(shí)別性能;對(duì)綜合模塊改進(jìn),提高了算法目標(biāo)跟蹤成功率。通過(guò)實(shí)驗(yàn)對(duì)改進(jìn)后TLD及原始TLD進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明改進(jìn)的TLD算法具有更高的跟蹤準(zhǔn)確性及更好的跟蹤實(shí)時(shí)性。
?。?)本文將改進(jìn)的TLD算法與基于SIFT特征與GrabCut算
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 復(fù)雜場(chǎng)景下車(chē)輛(動(dòng)目標(biāo))的識(shí)別和跟蹤技術(shù)研究.pdf
- 智能交通系統(tǒng)復(fù)雜場(chǎng)景下車(chē)輛檢測(cè)與跟蹤技術(shù)研究.pdf
- 復(fù)雜道路環(huán)境下車(chē)輛的精細(xì)分割與跟蹤.pdf
- 自然場(chǎng)景下車(chē)輛顏色識(shí)別研究.pdf
- 復(fù)雜場(chǎng)景中車(chē)輛違章檢測(cè)及跟蹤算法的研究與實(shí)現(xiàn).pdf
- 復(fù)雜場(chǎng)景下的車(chē)輛識(shí)別研究.pdf
- 遮擋情況下車(chē)輛跟蹤算法的研究.pdf
- 復(fù)雜場(chǎng)景下目標(biāo)穩(wěn)定跟蹤算法研究.pdf
- 復(fù)雜場(chǎng)景下的目標(biāo)跟蹤方法研究.pdf
- 復(fù)雜場(chǎng)景下的壓縮跟蹤算法研究
- 復(fù)雜場(chǎng)景下的壓縮跟蹤算法研究.pdf
- 復(fù)雜場(chǎng)景下單目標(biāo)視覺(jué)跟蹤算法研究.pdf
- 復(fù)雜場(chǎng)景中單目標(biāo)跟蹤算法研究.pdf
- 復(fù)雜場(chǎng)景下的目標(biāo)跟蹤算法研究.pdf
- 交通場(chǎng)景中的車(chē)輛跟蹤算法研究.pdf
- 復(fù)雜場(chǎng)景下的豬目標(biāo)跟蹤算法研究.pdf
- 復(fù)雜行駛工況下車(chē)輛主動(dòng)懸架控制方法研究.pdf
- 復(fù)雜場(chǎng)景下穩(wěn)健性目標(biāo)跟蹤算法研究.pdf
- 復(fù)雜場(chǎng)景中運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)研究.pdf
- 復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤方法研究.pdf
評(píng)論
0/150
提交評(píng)論